python - Estimator.train() 和 .predict() 对于小数据集来说太慢了
问题描述
我正在尝试实现一个 DQN,该 DQN 在同一模型上进行多次调用,Estimator.train()
每个调用Estimator.predict()
都有少量示例。但是每次调用至少需要几百毫秒到一秒以上,这与 1-20 等小数字的示例数量无关。
我认为这些延迟是由于重建图表并在每次调用时保存检查点造成的。有没有办法将相同的图形和参数保留在内存中以进行快速的训练预测迭代或以其他方式加快速度?
解决方案
转换为 atf.keras.Model
而不是Estimator
,并使用tf.keras.Model.fit()
而不是Estimator.train()
. fit()
没有 train() 那样的固定延迟。Keraspredict()
也没有。
推荐阅读
- boto3 - Python boto3 - 在安全组下添加规则描述
- google-chrome - 使用 Google Chrome 禁用自动睡眠
- javascript - 如何将类设置为由自定义工具提示功能创建的 HTML 元素?
- html - 如何减少由“white-space: pre-line”创建的空间。下面是我应用 pre-line 属性的图片
- spring-data - SpringData CrudRepository 上的自定义查询方法被选为 bean 属性
- c# - NLog 归档功能是否可用于自定义目标
- arduino - 我的代码没有进入 if 循环来向我的 SD 卡输入数据,为什么会这样?
- aws-cdk - AWS CDK - 停止生成策略
- nlp - 希伯来语斯坦福 NLP 标签集
- r - 在 R 中,如何根据一列的值对所有其他列求和,而不指定列名?